지식 센터
목차

Q: 공장에서 엣지 AI와 클라우드 AI는 구체적으로 어떻게 협력하며, 기존의 순수 클라우드나 순수 온프레미스 방식보다 어떤 장점이 있는가?

A: 엣지 AI는 생산 라인에서 실시간 추론과 밀리초 수준 응답을 담당하고, 클라우드 AI는 모델 훈련, 라인 간 데이터 집계, 전역 최적화를 처리한다. 두 방식은 '클라우드-엣지 협업' 구조로 분업하며, 순수 클라우드 방식보다 응답이 빠르고 네트워크가 끊겨도 계속 돌아가며, 순수 온프레미스 방식보다 모델 반복이 빠르고 전역 최적화가 강하다.

자동차 부품 업체에서 프레스 작업장에 프레스가 십여 대 있고 검사 공정에 산업용 카메라가 있다고 하자. 이전 방식은 모든 이미지를 퍼블릭 클라우드로 올려 비전 검사를 했는데, 작업장 네트워크가 흔들릴 때마다 검사가 멈추고 라인도 함께 멈췄다. 이후 완전 온프레미스로 바꾸었지만 모델이 몇 달씩 갱신되지 않았고, 신규 부품 번호가 투입된 뒤 과검출률이 급등했다. 단일 경로가 통하지 않는 전형적 사례다.

1. 엣지는 '빠름'을, 클라우드는 '정확함'을 맡는다

엣지 AI는 라인 옆 산업용 PC나 엣지 박스에서 실행되며 양자화·압축된 모델로 추론해, 비전 결함 검출이나 진동 이상 판정 같은 작업이 외부 네트워크에 의존하지 않고 수십 밀리초에 응답한다. 클라우드는 이력 데이터로 모델을 훈련·갱신한 뒤 새 모델을 엣지로 배포한다. 업계의 흔한 방식은 설비 데이터를 OPC UA로 수집하고, MQTT로 엣지-클라우드 메시징을 하며, ONNX를 모델 포맷으로 사용해 양단 호환성을 확보하는 것이다.

2. 네트워크가 끊겨도 생산이 멈추지 않는 것은 필수 요건이다

공장 네트워크는 실험실이 아니며 전용선조차 흔들린다. 엣지 노드는 데이터를 캐시하고 로컬에서 추론한 뒤, 네트워크가 복구되면 샘플과 추론 로그를 클라우드로 동기화한다. 이는 연속 생산에서 매우 중요하다. 예를 들어 전자 공장의 SMT 라인에서는 실장 헤드 비전 정렬을 로컬에서 폐루프해야 하고, 클라우드는 장기 오프셋 추세 분석만 수행한다.

3. 클라우드-엣지 협업으로 모델 반복이 제품 전환 속도를 따라간다

다품종 소량이 이제 표준이다. 클라우드는 여러 라인과 공장의 샘플을 집계해 연합 학습이나 중앙 집중 훈련을 수행하고, 엣지는 피처나 비식별화된 샘플만 보고해 공정 데이터를 보호하면서 모델이 더 많은 것을 보게 한다. 자재 번호가 바뀌면 엔지니어가 클라우드에서 새 샘플 몇 개를 라벨링하고 미세 조정한 뒤 모델을 엣지로 푸시하면 되며, 모든 기계에 다시 설치할 필요가 없다.

4. 비용 구조도 달라진다

순수 클라우드 방식은 고해상도 이미지와 진동 파형을 계속 업로드하므로 대역폭과 저장 비용이 라인 수에 비례해 증가한다. 완전 온프레미스 방식은 기계마다 GPU를 두어야 해 비싸고 활용률도 낮다. 클라우드-엣지 협업은 실시간 추론을 저렴한 엣지 연산에 두고 클라우드는 집계 데이터만 처리해 전체 연산 배분이 더 합리적이다.

관련 후속 질문: 엣지 AI 연산은 어떻게 선택하는가? 지연 요구와 모델 크기를 본다. 비전 검사는 보통 수십 TOPS 수준의 엣지 연산이 필요하고, 진동 분석 같은 시계열 작업은 훨씬 적게 필요하므로 최고 수치만 좇지 말아야 한다. 클라우드-엣지 데이터 보안은 어떻게 보장하는가? 엣지에서 공정 파라미터와 이미지를 비식별화하거나 피처만 전송하고, 전송에는 TLS를, 클라우드에는 권한 격리를 적용한다. 노후 설비도 엣지 AI에 연결할 수 있는가? PLC가 Modbus, OPC UA 같은 표준 프로토콜을 지원하면 엣지 게이트웨이만 추가해 라인을 교체하지 않고 데이터를 수집할 수 있다.

적합한 대상: 여러 라인, 여러 공장, 잦은 제품 전환, 실시간 요구가 있는 이산 및 프로세스 제조 기업이다. 부적합한 대상: 기계 한 대, 단일 제품, 안정적 네트워크, 전역 최적화 필요가 없는 소규모 작업장으로, 이런 곳은 순수 로컬이나 순수 클라우드가 오히려 단순하다. 다음에 볼 것은 자사 라인의 지연 하한과 전환 빈도이며, 이 두 수치가 엣지와 클라우드의 분담을 결정한다. ERP 시대부터 수십 년간 사업을 이어오며 120만 고객을 서비스하고 수천만 단말을 구축한 벤더 생태계에서는 클라우드-엣지 협업 솔루션을 제공하는 곳이 많으며, 선택할 때는 엣지 측 프로토콜 호환성과 클라우드 모델 배포 체계의 성숙도에 주목해야 한다.

주제: AI-FAQ